人工智能可以自觉吗?

最近,我花了很多时间思考AI。 关于AI的进步,媒体上有很多炒作,兴奋和焦虑。 这是可以理解的,因为该技术正在迅速渗透到现代生活的每个角落,从无人驾驶汽车到I-phone的Siri都应运而生。 随着AI自动执行重复性任务,为现有产品添加智能,实现不可能的准确性并通过逐步学习进行适应,它将成为22世纪最重要的技术现象-也许仅次于区块链。 那么,什么是AI? 关于AI的确切定义引起了激烈的争论,并且互联网上已经有许多关于AI的奇妙解释,因此我不会深入探讨。 但是从广义上讲,人工智能是先进的统计和应用数学,它利用计算能力的新进步和可用数据的爆炸式增长为计算机提供了推理,识别和选择的新能力。 机器学习 (ML)是AI最有前途的子集,其目的是教计算机从示例(或“数据”)中学习并执行任务,而无需对其进行明确的编程。 ML最基本的方法是使用算法来解析数据,从中学习,然后对世界上的事物做出决策或预测。 无需使用具有特定指令的硬编码软件来完成特定任务,而是使用大量数据和算法对机器进行“培训”,使机器能够学习如何执行任务或预测结果。 深度学习是机器学习中最成功的方法,它粗略地模拟了大脑的“神经网络”。 在深度学习网格中,您拥有“神经元”,这些“神经元”具有不连续的层并与其他“神经元”连接,就像我们大脑中的神经元一样。 神经元的每一层都挑选出一种特定的特征来学习,例如猫的颜色,正是这一层次使深度学习有了它的名字。 机器学习的其他方法包括决策树学习,归纳逻辑编程,聚类,强化学习和贝叶斯网络-所有这些都是统计方法。 在未来几年中,机器将继续变得更加智能,并通过无监督的深度学习做出更复杂的决策。 像埃隆·马斯克(Elon Musk)一样,许多人担心随着机器智能的增长,机器决策的透明度会变暗,而AI可能会自行生存。…

罗杰·埃伯特(Roger Ebert)写道,芝加哥曾经在当地报纸上邀请十名全职电影评论员来访……

罗杰·埃伯特(Roger Ebert)写道,芝加哥曾经在当地报纸和电视新闻频道中邀请十名全职电影评论员。 然后,随着报纸收入受到craigslist和社交媒体的攻击,评论家被放开,直到只有两名专业人士在Chicagoland服务。 埃伯特(Ebert)辩称,尽管这80%的削减有某种危害,但免费业余评论的兴起却部分抵消了这种危害。 他看到至少有一百名活跃的芝加哥地区电影博主介入,填补了专业人员留下的空白。 因此,由十名受过训练的专业人士完成的工作现在由10X未经训练的志愿者来完成。 这是您在放射学和医学实践的许多其他要素中应该期望的模式。 工作迁移到摩尔定律技术让低技能人员完成工作的地方。 使用现场成像系统,从少数科学研究人员到拥有12年大学和研究生学历的放射学家,再到拥有3至4年护士和护理人员的影像学。 这些工具有助于分解工作,以使访问/分发增加10倍,而成本降低10倍至100倍。 AI只是这里的一个要素。 但这将有助于快速分散采集,分析和传达医学图像的权限。 最终目标是个人Tricorder和身体附着的智能事物的整个电晕。 忘记放射科医生,射线照相师和护士。 成像量将大大增加,以至于99%的捕获量将归功于Android手机和可穿戴设备,更智能的机器学习服务进行的分析以及Siri,Alexa,Cortana和Google Assistant的孙辈的解释。 因此,在未来十年中,新技术和商业模式将释放90%的放射线医生时间。 放射科医生将如何利用这段空闲时间?…

汤姆庆祝他的生日

那是汤姆最好的生日。 他收到了132条消息,42张电子贺卡,7张纸卡,6个电话和12份礼物。 他之所以知道这一点,是因为他的助手记录了时间,每次他说:“助手,我的生日过得怎么样?” 他甚至可以在应用程序中对它们进行分析,将其与往年的总数,同龄人的平均值以及网络中的其他人进行比较。 他的母亲给他寄了一张漂亮的纸卡和一个烤面包机,它们已经在他的亚马逊心愿单上坐了几个月了。 卡片上写着:“我的儿子汤姆生日快乐。” “愿您的第33年是最好的一年! 妈妈,有很多爱。” 他的老板给他发送了一个月的完全互联网访问电子邮件,他的邻居恩尼斯(Ennis)收到了一小盒巧克力蛋糕,而他的老同学塔夫特(Tuffert)向他的打印机发送了一个模型。 那是3D阴茎,但汤姆选择保持乐观,感谢塔夫特对他的想法。 另外,它仍然计入他的理货。 这些电话主要来自企业,例如他大楼地下室的酒吧,他的牙医朱博士和他订阅了几个月的厨师。 这是一个很好的手势,他使用10%的生日折扣来续订。 尽管得到了很高的评价,汤姆还是感到困扰,他只接到了一个认识的人打来的电话:他的同事毛拉。 他的助手在13分38秒处安排了他们的演讲时间。 这是一次愉快的聊天,但是在暗示了整周上班的电话后,他确定自己已经超越了去年的11岁,或者至少是平局。 汤姆爬到床上。 他怀疑今晚会有更多的消息传出,迟来的消息毫无意义。…

针对AI的设计:算法选择如何影响UX

机器学习是许多公司试图通过增加用户体验来改进和区分其产品时所使用的策略之一。 在应用程序中内置人工智能可以改善可以为客户和用户完成的工作,但也可以影响客户和用户与机器的交互方式。 在本文中,我将介绍作为设计师的您如何可以帮助改善决策过程。 即使是在什么时候,工程师们都在决定使用哪种机器学习算法。 背景研究 像其他所有产品一样,您必须首先知道您的竞争对手是谁。 竞争分析将告诉您在这个领域中还有哪些其他公司在运作。 由于机器学习处于即将到来的前沿,因此您还需要检查作为竞赛发表的研究论文。 现在,什么是研究论文或会议主题很快就会变成一种产品。 提供这些文件的人正被公司雇用,以节省成本,而无需购买该人毕业后创建的初创公司。 如果开发团队正在寻求一条非竞争性的道路,那么了解竞争产品将使您有所退缩。 我知道一家十亿美元的零售商会选择使用较旧的,不太准确的基于规则的语言处理器,而不是在过去几年中成为标准的深度学习语言处理器。 开发人员推荐了他们熟悉的东西,并且由于他们不熟悉该领域,因此产品经理或UX并没有退缩。 毫不奇怪,产品跌跌撞撞,并且很难竞争。 下一个要研究的领域是用户。 要问的第一个问题是AI是否必要? 如果您仍在阅读,我想是的。 但是,请确保您有一些未经AI测试的基本用户,因此,如果AI测试花费较长或较低的用户满意度,您可能会表现出差异,从而可以改进或废弃AI。…